发展智能安防系统,是解决城市化过程中出现的人民生命和财产安全威胁、重大安全事件后期数据排查处理困难等问题的有效途径之一,是未来安防系统的主要发展和研究方向。基于视频监控的智能安防系统以其配置简单、成本低廉和数据采集准确丰富等特点,受到越来越多研究者的关注。本课题提出了一个安保监控原型系统,包含三个子系统模块:视频质量检测模块为有效的采集到目标视频提供了基础性的保障,同时也加强了系统采集模块的鲁棒性;视频浓缩摘要模块去除了采集到源视频中冗余信息,保留了最有效数据,提高了目标识别的效率;目标识别模块利用深度网络进行目标识别,探讨了CDBN网络层间连接方式和策略,提高了系统识别的准确率。本课题对视频图像质量检测算法、视频浓缩和摘要算法和目标检测算法进行了深入的研究。首先,在视频图像噪声检测方面本文重点研究了几种具有代表性的图像质量问题,包括视频图像缺失、视频图像遮挡、视频图像高斯噪声、视频图像偏色、视频图像条纹干扰等问题。并针对视频图像条纹干扰种类众多,不易统一方法检测的问题,提出了一种利用快速傅立叶变换进行条纹检测的方法,提高了检测条纹干扰的精度和质量。实验结果表明,改进的方法能够有效的检测出随机产生的条纹干扰图像,准确率较高。其次,在视频浓缩和摘要方面本文重点研究了常用的视频浓缩和摘要方法,结合安保视频图像的特点,针对快进等传统视频浓缩算法无法智能保存有效视频信息的缺陷,提出了一种新的保留静态关键帧视频浓缩技术;针对传统的平均值法和覆盖法出现的动目标不清晰,重合部分被遮挡导致源图像信息丢失等问题,提出了一种改进的视频组交叉融合摘要技术。实验结果表明,新的保留静态关键帧视频浓缩技术相对于人工观看视频具有10倍以上加速比,同时能够保留视频中有用的动目标信息,舍弃掉静止的无用帧。改进的视频组交叉融合摘要技术能够确保融合后的视频前景动目标都清晰可见,同时动目标重合部分采用虚化的措施,保证了在重合区域能够看到所有动目标信息。最后,在图像和目标识别方面本文重点研究了深度学习算法中CRBM网络算法,并提出了三种不同的网络连接方式,通过训练标准图像库,比较三种不同网络连接方法的效果,同时也初步探讨了网络参数在数据集训练过程中的设定策略。实验结果表明,采用全连接的方式具有最高的识别准确率,同时针对COIL-100数据库,将网络设计为倒金字塔形状具有较好的识别效果。